熱門關鍵字:

BN說明

AI視覺大全:用最好用的PyTorch實作

  • 館長推薦
? 快來將您對閱讀的熱情和對書籍的想法分享給所有讀友,每完成一篇讀者書評並審核通過者,即可獲得讀者書評點數,點數還可換電子禮券唷!
分享:
版本:

商品訊息

  • 追蹤分類 ? 追蹤分類後,您會在第一時間收到分類新品通知。
  • 作者: 唐進民 追蹤作者 ? 追蹤作者後,您會在第一時間收到作者新書通知。
  • 出版社: 佳魁數位 追蹤出版社 ? 追蹤出版社後,您會在第一時間收到出版社新書通知。
  • 出版日:2018/10/12
  • ISBN:9789863796978
  • 適讀年齡:全齡適讀
  • 定價: 540
  • 特價: 79 427
  • 紅利可抵: 13 ? 除單一商品售價低於50元或特價折扣低於3折(含)以下者,其餘商品均可使用紅利點數。
  • 到店取貨: ? 『金石堂』門市取貨免運費。
    『全家、OK、萊爾富、掌櫃』滿350元,免運費;350元以下,運費20元。
    宅配: ? 滿1,000元,免運費
    490元-999元,運費50元
    490元以下,運費65元
  • 配送地區: 全球、 香港OK、 台澎金馬
  • 付款方式: ATM、 信用卡、 LINE Pay、 街口帳戶支付、 貨到付款、 PayPal、 FamiPort、 取貨付款
  • 預計 2019/12/12 出貨 參考庫存量:1 查詢門市庫存 ? 若您欲在金石堂門市購買商品,請選擇欲查看庫存之門市。網頁之「庫存狀態」僅供參考,實際貨況以門市為準。

強力推薦

內容簡介

用PyTorch實作電腦視覺

零基礎掌握深度學習、Python、PyTorch、神經網路、移轉學習及相關數學知識

 

電腦視覺、自然語言處理和語音辨識是目前深度學習領域熱門的三大應用方向,本書希望幫助零基礎或基礎較為薄弱的讀者入門深度學習,獨立使用深度學習知識處理電腦視覺問題。

 

讀者透過本書將學到人工智慧的基礎概念及Python程式設計技能,掌握PyTorch的使用方法,學到深度學習相關的理論知識,如旋積神經網路、循環神經網路、自動編碼器等。

 

在掌握深度學習理論和程式設計技能之後,讀者還會學到如何基於PyTorch深度學習框架實戰電腦視覺。

 

書中大量實例可讓讀者在循序漸進學習的同時,不斷地獲得成就感。

 

適用:對深度學習技術感興趣、或相關基礎知識較為薄弱或零基礎的讀者。

作者

唐進民 

 

深入理解深度學習與電腦視覺知識體系,有紮實的PyTorch、Python和數學功底。長期活躍於Github、知乎等平台並分享與深度學習相關的文章,還在AI網路教育平台兼職Mentor,輔導新學員入門機器學習和深度學習。

目錄

前言

 

01 | 淺談人工智慧、神經網路和電腦視覺
1.1 人工還是智慧

1.2 人工智慧的三起兩落

1.3 神經網路簡史

1.4 電腦視覺

1.5 深度學習+

 

02 | 相關的數學知識

2.1 矩陣運算入門

2.2 導數求解

 

03 | 深度神經網路基礎

3.1 監督學習和無監督學習

3.2 欠擬合和過擬合

3.3 反向傳播

3.4 損失和最佳化

3.5 啟動函數

3.6 本機深度學習工作站

 

04 | 旋積神經網路

4.1 旋積神經網路基礎

4.2 LeNet 模型

4.3 AlexNet 模型

4.4 VGGNet 模型

4.5 GoogleNet

4.6 ResNet

 

05 | Python

5.1 Python 簡介

5.2 Jupyter Notebook

5.3 Python 入門

5.4 Python 中的NumPy

5.5 Python 中的Matplotlib

 

06 | PyTorch 基礎

6.1 PyTorch 中的Tensor

6.2 自動梯度

6.3 模型架設和參數最佳化

6.4 實戰手寫數字識別 

 

07 | 遷移學習

7.1 遷移學習入門

7.2 資料集處理  

7.3 模型架設和參數最佳化

7.4 小結

 

08 | 影像風格遷移實戰

8.1 風格遷移入門

8.2 PyTorch 影像風格遷移實戰

8.3 小結

 

09 | 多模型融合

9.1 多模型融合入門

9.2 PyTorch 之多模型融合實戰

9.3 小結

 

10 | 循環神經網路

10.1 循環神經網路入門

10.2 PyTorch 之循環神經網路實戰

10.3 小結

 

11 | 自動編碼器

11.1 自動編碼器入門

11.2 PyTorch 之自動編碼實戰

11.3 小結

序/導讀

前  言

 

「人工智慧」(Artificial Intelligence,簡稱AI)一詞在很久以前就有了,被大眾津津樂道卻是近幾年的事,這和機器學習(Machine Learning)、深度學習(Deep Learning)等技術的崛起具有千絲萬縷的聯繫,而這一切又得益於大數據的發展和電腦處理效能的不斷提升。

 

本書將帶領讀者了解人工智慧的相關技術和發展近況,透過一些實例來掌握必備的技能,並能夠獨立使用相關技術完成對電腦視覺問題的分析和處理。本書各個章節的重點如下。

 

第1 章主要介紹人工智慧、神經網路和電腦視覺的發展歷史,讓讀者對這一領域有一個全面的認識。

 

第2 章主要介紹在了解和掌握後面章節的內容時需要用到的數學知識,以及在實戰操作的過程中進行環境架設及安裝相關軟體的方法。本書中數學相關的大部分知識都集中在本章中,主要目的是讓讀者先對這個領域的知識產生興趣,這樣才能更進一步地深入學習和研究。在本章中不會插入大量的數學公式,避免讓初學者望而卻步,在不斷消化公式的過程中喪失學習興趣和動力。透過不斷實戰來學習,可以累積成就感,這種由上向下的方式不失為一種更好的學習方法。

 

第3 章主要介紹在學習神經網路過程中會經常遇到的一些概念和定義。例如反向傳播(Back Propagation)、啟動函數(Activation Function)、監督學習(Supervised Learning)、無監督學習(Unsupervised Learning),等等,這也是為之後學習深度神經網路做準備。在架設一個完整的深度神經網路模型時,就需要不斷地用到本章的內容了。

 

第4 章主要介紹深度神經網路中的旋積神經網路(Convolutional Neural Network,簡稱CNN)。首先介紹旋積層、全連接層、池化層等相關內容,之後又列舉目前主流的一些旋積神經網路架構,並比較它們之間的相同點和不同點,以便於掌握不同的旋積神經網路的結構和技術細節。

 

第5 章主要介紹Python 程式語言的相關知識,目的是讓讀者掌握Python 語言的語法定義和使用方式,並使用Python 語言進行功能程式的撰寫;還會介紹在處理電腦視覺問題時需要用到的兩個重要的Python 套件:NumPy 和Matplotlib。本章內容豐富,而且Python 語言本身就很簡單且易上手,讀者很快就能掌握Python 這門程式語言

第6 章主要介紹如何使用PyTorch 深度學習架構。PyTorch 非常簡單好用,能夠根據我們的需求快速架設出我們想要的深度神經網路模型,這要歸功於PyTorch 以動態圖型計算為基礎的特性,它與以靜態圖型計算為基礎的深度學習架構相比,有更多的優勢,例如PyTorch 不僅速度快,還有許多功能強大的套件可供呼叫。本章先介紹PyTorch 中常用的套件和類別的使用方法;然後介紹如何使用PyTorch中的一些自動化方法來提升程式的執行效率和簡潔度;最後會透過一個綜合實例,使用本章的內容解決一個實際的電腦視覺問題。

 

第7 章一開始就是一個關於電腦視覺問題的實作,介紹了一種非常實用的深度神經網路重複使用方法,即遷移學習(Transfer Learning)。在掌握遷移學習的原理之後,會基於PyTorch 對遷移學習進行實戰,並解決比之前更複雜的電腦視覺問題。對實戰程式的解析會貫穿本章,讓讀者更深刻地了解程式。

 

第8 章說明如何基於PyTorch 實戰影像風格移轉(Neural Style)。透過對本章的學習,讀者會發現,利用旋積神經網路不僅能處理圖片分類問題,只要有想法和創意,還能做更多、更有趣的事情。

 

第9 章介紹一種多模型融合方法,在現有的模型遭遇效能提升瓶頸時,可透過架設一種經過科學融合的新模型達到超過預期的泛化能力。本章會基於PyTorch對多模型融合方法進行實戰。

 

第10 章介紹一種區別於旋積神經網路的新神經網路結構, 即循環神經網路(Recurrent Neural Network,簡稱RNN)。不同於旋積神經網路強大的影像特徵分析能力,循環神經網路主要用於處理有序輸入的資料。為了方便讀者了解模型如何對有序數據進行處理,本章會基於PyTorch 使用循環神經網路來處理一個電腦視覺問題。

 

第 11 章說明自動編碼器,它是一種使用非監督學習方法的神經網路。自動編碼器能夠實現很多功能,本章會選取一個影像去噪問題來進行自動編碼器實作。

 

本書前6 章的內容可作為後5 章的準備,前6 章的知識偏向基礎和理論,只有掌握了這些內容,才能從容應對後5 章的實作。這個循序漸進的過程會讓讀者對知識的了解更深刻,技能提升更迅速。

 

人工智慧在近幾年大熱,網路上的相關資料良莠不齊且沒有系統,即使有優秀的參考資料,對基礎薄弱的初學者來說也有點難。本書即是出於對這一現狀的考慮,透過從基礎到實戰、由淺入深的過程,讓讀者基於PyTorch 來使用深度學習方法實際解決一些電腦視覺相關的問題,這樣,讀者在取得知識的過程中會更有成就感,學起來也會更積極、主動。

 

感謝家人的鼓勵和支援,也感謝張國霞編輯的幫助和付出,筆者才能以更好的方式將本書呈現在讀者的面前。希望讀者能遵從敏捷學習的想法,多實作、多思考並不斷進步。在本書中會有很多實例,讀者可以舉一反三、不斷實作,在發現問題時要多思考,畢竟本書內容有限,若想讓能力獲得更高層次的提升,則需要取得更多的資料來充實自己。

 

唐進民

詳細資料

詳細資料

    • 編/譯者
    • 語言
    • 中文繁體
    • 規格
    • 紙本平裝
    • ISBN
    • 9789863796978
    • 分級
    • 普通級
    • 開數
    • 頁數
    • 296
    • 出版地
    • 台灣
    • 適讀年齡
    • 全齡適讀

訂購須知

下載『金石堂APP』並開啟推播設定,隨時掌握出貨動態:

Google play
App Store

    商品運送說明:

  • 本公司所提供的產品配送區域範圍目前僅限台灣本島。注意!收件地址請勿為郵政信箱。
  • 商品將由廠商透過貨運或是郵局寄送。消費者訂購之商品若無法送達,經電話或 E-mail無法聯繫逾三天者,本公司將取消該筆訂單,並且全額退款。
  • 當廠商出貨後,您會收到E-mail及APP出貨通知,您也可透過【訂單查詢】確認出貨情況。
  • 建議您可下載『金石堂APP』並開啟推播設定,即可收到出貨通知。
  • 產品顏色可能會因網頁呈現與拍攝關係產生色差,圖片僅供參考,商品依實際供貨樣式為準。
  • 如果是大型商品(如:傢俱、床墊、家電、運動器材等)及需安裝商品,請依商品頁面說明為主。訂單完成收款確認後,出貨廠商將會和您聯繫確認相關配送等細節。
  • 偏遠地區、樓層費及其它加價費用,皆由廠商於約定配送時一併告知,廠商將保留出貨與否的權利。

提醒您!!
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機,請不要聽從指示,以免受騙上當!

退換貨須知

  • 依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」,以下商品購買後,除商品本身有瑕疵外,將不提供7天的猶豫期:
    1. 易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮食品)
    2. 依消費者要求所為之客製化給付。(客製化商品)
    3. 報紙、期刊或雜誌。(含MOOK、外文雜誌)
    4. 經消費者拆封之影音商品或電腦軟體。
    5. 非以有形媒介提供之數位內容或一經提供即為完成之線上服務,經消費者事先同意始提供。(如:電子書、電子雜誌、下載版軟體、虛擬商品…等)
    6. 已拆封之個人衛生用品。(如:內衣褲、刮鬍刀、除毛刀…等)
  • 若非上列種類商品,均享有到貨7天的猶豫期(含例假日)。
  • 辦理退換貨時,商品(組合商品恕無法接受單獨退貨)必須是您收到商品時的原始狀態(包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等),請勿直接使用原廠包裝寄送,或於原廠包裝上黏貼紙張或書寫文字。
  • 退回商品若無法回復原狀,將請您負擔回復原狀所需費用,嚴重時將影響您的退貨權益。
預計 2019/12/12 出貨 參考庫存量:1 查詢門市庫存?

29